La parte più difficile del lavoro per il moderno CFO spesso non è la matematica, ma la narrazione. Dopo che i libri contabili sono stati chiusi e calcolati gli scostamenti, i team finanziari trascorrono giorni, a volte settimane, copiando e incollando manualmente i grafici nelle diapositive di PowerPoint per spiegare perché i numeri sono cambiati.
Oggi, la società fintech israeliana di 11 anni binari dati ha annunciato una serie di nuovi strumenti di intelligenza artificiale generativa progettati per automatizzare tutto ciò. "ultimo miglio" Leader finanziari che consentono di eseguire il reporting finanziario in modo efficace "codice di vibrazione" Si stanno dirigendo verso un ponte di assi.
Verrà lanciato oggi per accompagnare il round di finanziamento di serie C da 70 milioni di dollari recentemente annunciato dall’azienda. I nuovi rappresentanti finanziari dell’azienda in materia di strategia, pianificazione e reporting per l’intelligenza artificiale Prometti di rispondere a domande finanziarie complesse con risorse completamente formattate, non solo testo.
Un professionista finanziario ora potrebbe chiedersi: "Cosa sta causando i cambiamenti nella nostra redditività quest’anno?" O "Perché il marketing ha superato il budget il mese scorso?" il sistema creerà immediatamente diapositive PowerPoint, report PDF o file Excel pronti per la dashboard contenenti la risposta.
Distribuzione di questi agenti, "Ufficio CFO" interagisce con i dati.
Oltre il chatbot
La promessa dei nuovi rappresentanti è quella di risolvere il problema della frammentazione che affligge i dipartimenti finanziari. A differenza di un leader delle vendite che vive in Salesforce o di un CIO che si affida a ServiceNow, il CFO non ha un’unica soluzione. "sistema di verità". I dati sono dispersi tra ERP, HRIS, CRM e portali bancari.
Il più grande ostacolo all’adozione dell’intelligenza artificiale nella finanza è stata la sicurezza. I CFO sono giustamente riluttanti a inserire i dati sui profitti e sulle perdite nei modelli disponibili al pubblico.
Datarails ha risolto questo problema sfruttando il servizio Azure OpenAI di Microsoft. "Utilizziamo OpenAI su Azure per garantire la privacy e la sicurezza dei nostri clienti; a loro non piace condividere i dati in un LLM aperto." Gurfinkel ha osservato: Ciò consente alla piattaforma di utilizzare modelli all’avanguardia mantenendo i dati all’interno di un perimetro aziendale sicuro.
I nuovi broker di Datarails si trovano su uno strato di dati unificato che collega questi sistemi disparati. Poiché l’intelligenza artificiale si basa sui dati interni aggregati dell’azienda, offre il livello di riservatezza richiesto per i dati finanziari sensibili prevenendo al contempo le allucinazioni comuni nei LLM generali.
"Se il CFO desidera sfruttare l’intelligenza artificiale a livello di CFO o dai dati organizzativi, deve consolidare i dati." Il CEO e cofondatore di Datarails, Didi Gurfinkel, lo ha spiegato in un’intervista a VentureBeat.
Risolvendo innanzitutto questo problema di consolidamento, Datarails può ora fornire rappresentanti in grado di comprendere il contesto dell’azienda.
"Ora il CFO può utilizzare i nostri agenti per condurre analisi, ottenere approfondimenti, creare report… perché i dati sono ora disponibili," Ha detto Gurfinkel.
“Codifica delle vibrazioni” per la finanza
Il lancio si inserisce in una tendenza più ampia nello sviluppo di software in cui i suggerimenti in linguaggio naturale stanno sostituendo la codifica complessa o la configurazione manuale; Un concetto che gli ambienti tecnologici chiamano così: "codifica delle vibrazioni" Gurfinkel ritiene che questo sia il futuro dell’ingegneria finanziaria.
"Presto il CFO e il team finanziario saranno in grado di sviluppare applicazioni." Gurfinkel indovinò. "Gli LLM stanno diventando così potenti da poter sostituire intere linee di prodotti contemporaneamente."
Ha descritto un flusso di lavoro in cui l’utente poteva semplicemente richiedere: "Questo era il mio budget e la realtà dell’anno scorso. Ora preparami il budget del prossimo anno."
I nuovi agenti sono progettati per gestire esattamente questi tipi di scenari complessi e multivariati. Ad esempio, un utente potrebbe chiedere: "Cosa succede se le entrate crescono più lentamente nel prossimo trimestre?" e in cambio riceverai un’analisi dello scenario.
Poiché l’output può essere presentato come file Excel, i team finanziari possono convalidare formule e ipotesi, mantenendo la traccia di controllo che spesso manca agli strumenti di intelligenza artificiale comuni.
Facilità di adozione: “Anti-implementazione”
Per molti team di ingegneri, l’arrivo di una nuova piattaforma finanziaria aziendale segnala un problema incombente: mesi di migrazione dei dati, riprogettazione degli schemi e l’inevitabile attrito che deriva dal costringere gli utenti non tecnici ad abbandonare i loro flussi di lavoro preferiti. Datarails ha progettato un modo per superare questo attrito creando una struttura che può essere meglio descritta come: "antiapp."
Invece di fare una richiesta "rimuovere e sostituire" A differenza dei sistemi legacy, la piattaforma accetta la complessa realtà del moderno stack finanziario. L’architettura è progettata per separare l’archiviazione dei dati dal livello di presentazione, trattando efficacemente i file Excel esistenti dell’organizzazione come interfaccia front-end, mentre Datarails funge da database back-end.
"Non cambiamo nulla," Gurfinkel ha spiegato. "L’implementazione può essere molto rapida, da poche ore a pochi giorni.".
Dal punto di vista tecnico ciò significa: "ingegneria" requisito è stato quasi completamente eliminato. Non ci sono pipeline ETL da creare o script Python da mantenere. Il sistema è precablato con oltre 200 connettori nativi che si collegano direttamente a ERP come NetSuite e Sage, CRM come Salesforce e a una varietà di HRIS e portali bancari.
Sostituisci il sollevamento pesante con a "nessun codice" processo di mappatura. Un analista finanziario, non uno sviluppatore, mappa i campi dalla contabilità generale ai modelli Excel in un flusso di lavoro self-service. Per moduli come la chiusura di fine mese, l’azienda promette chiaramente: "Non c’è bisogno di supporto IT," Una dichiarazione che probabilmente metterà a proprio agio i CTO nervosi. Anche le installazioni complesse come il nuovo modulo di Cash Management che richiedono integrazioni bancarie sono generalmente completamente operative entro due o tre settimane.
Di conseguenza, emerge un sistema come questo: "debito tecnico" I concetti spesso associati alla trasformazione finanziaria diventano obsoleti. Il team finanziario ottiene ciò che vuole "l’unica fonte di verità" senza mai chiedere all’ingegneria di fornire un database.
Dal Version Control al controllo visivo: un perno che paga
Datarail sempre "FinansOS" Per l’era dell’intelligenza artificiale. Fondata nel 2015 da Gurfinkel insieme ai co-fondatori Eyal Cohen (COO) e Oded Har-Tal (CTO), la startup con sede a Tel Aviv ha trascorso i suoi primi anni alle prese con un problema in via di estinzione: il controllo della versione per Excel. L’obiettivo iniziale era sincronizzare e gestire i fogli di calcolo tra le organizzazioni, ma l’adozione è stata lenta poiché il team ha faticato a trovare il prodotto più adatto al mercato.
Questa svolta è arrivata con una svolta strategica nel 2020. Il team si è reso conto che i professionisti della finanza non volevano sostituire Excel con una nuova dashboard; Volevano correggere i limiti di Excel (in particolare l’unione manuale e la frammentazione dei dati). Spostando l’attenzione sui team finanziari delle PMI e "locale in Excel" L’azienda ha raggiunto il suo obiettivo con la sua filosofia di automazione.
Questo allineamento ha portato a un rapido ridimensionamento, supportato da una serie A da 55 milioni di dollari guidata da Zeev Ventures nel giugno 2021, seguita da una serie B da 50 milioni di dollari guidata da Qumra Capital nel marzo 2022. Sebbene la società abbia dovuto affrontare difficoltà durante la crisi tecnologica (con conseguente riduzione della forza lavoro del 18% alla fine del 2022), da allora ha registrato una ripresa aggressiva. Entro il 2025, Datarails ha quasi raddoppiato la propria forza lavoro arrivando a contare oltre 400 dipendenti in tutto il mondo, grazie a una strategia di espansione multiprodotto che ora include soluzioni di chiusura mensile e gestione della liquidità.
Coltivare l’espansione
Le nuove funzionalità di intelligenza artificiale sono supportate da un’iniezione di serie C di 70 milioni di dollari da parte di One Peak, insieme agli investitori esistenti Vertex Growth, Vintage Investment Partners e altri. Il finanziamento fa seguito alla crescita del fatturato del 70% di Datarails, determinata in gran parte dall’espansione della sua suite di prodotti.
Oltre il 50% della crescita dell’azienda nel 2025 è derivata da soluzioni lanciate negli ultimi 12 mesi, tra cui Datarails Month End Closing (uno strumento per automatizzare le riconciliazioni e la gestione del flusso di lavoro) e Datarails Cash Management (per il monitoraggio della liquidità in tempo reale).
Questi prodotti servono come segue: "idraulico" Ciò rende efficaci i nuovi agenti di intelligenza artificiale. Automatizzando la chiusura di fine mese e aggregando i dati di cassa, Datarails garantisce che i numeri chiave siano accurati e aggiornati quando un CFO pone una domanda all’IA.
L’obiettivo di Gurfinkel è creare un ufficio finanziario. "nativo dell’intelligenza artificiale" Senza costringere gli utenti a rinunciare al loro strumento preferito, Excel.
"Non cambiamo nulla," Ha detto Gurfinkel. "Colleghiamo Excel in modo che Excel ora diventi calcolo e presentazione."
Con il lancio di questi nuovi agenti, Datarails sostiene che il futuro della finanza non riguarda l’apprendimento di nuovi software, ma il dialogo con i dati già in possesso.
